[發明專利]基于CR2神經網絡的圖像?文本雙編碼機理實現模型在審
| 申請號： | 201710322410.1 | 申請日： | 2017-05-09 |
| 公開（公告）號： | CN107016439A | 公開（公告）日： | 2017-08-04 |
| 發明（設計）人： | 李軍;陳劍斌;沈廣田;高楊建;許陽 | 申請（專利權）人： | 重慶大學 |
| 主分類號： | G06N3/04 | 分類號： | G06N3/04 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 400044 *** | 國省代碼： | 重慶;85 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 cr2 神經網絡 圖像 文本 編碼 機理 實現 模型 | ||
1.基于CR2神經網絡的圖像-文本雙編碼機理實現模型，其特征在于：包括以下步驟：
S1：輸入與信息相關的圖像信息及其文本信息；
S2：通過表象系統獲取該信息非語詞表征的“圖像單元”；
S3：通過語義系統獲取該信息語詞表征的“語言單元”；
S4：通過參考關聯系統獲取關聯的“圖像單元”及其“語言單元”；
S5：輸出獲取的所有“圖像單元”和“語言單元”。發明公開了一種基于多層。
2.根據權利要求1所述基于CR2神經網絡的圖像-文本雙編碼機理實現模型，其特征在于：所述步驟S1中圖像信息為圖像的像素信息，文本信息為單詞編碼。
3.根據權利要求1所述基于CR2神經網絡的圖像-文本雙編碼機理實現模型，其特征在于：所述步驟S2中表象系統模型采用訓練過的多層卷積神經網絡，輸出的向量作為“圖像單元”。
4.根據權利要求1所述基于CR2神經網絡的圖像-文本雙編碼機理實現模型，其特征在于：所述步驟S3中語義系統模型采用RNNLM語言模型，輸出的詞向量作為“語言單元”。
5.根據權利要求1所述基于CR2神經網絡的圖像-文本雙編碼機理實現模型，其特征在于：所述步驟S4中參考關聯系統模型采用RBF自增長神經網絡。
6.根據權利要求1所述基于CR2神經網絡的圖像-文本雙編碼機理實現模型，其特征在于：所述步驟S4中參考關聯系統模型訓練采用在線監督學習，輸入為“圖像單元”，輸出為對應的“語言單元”。
7.根據權利要求1所述基于CR2神經網絡的圖像-文本雙編碼機理實現模型，其特征在于：所述步驟S4中逆模型為參考關聯系統正向神經網絡的逆向運算。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于重慶大學，未經重慶大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710322410.1/1.html，轉載請聲明來源鉆瓜專利網。
- 彩色圖像和單色圖像的圖像處理
- 圖像編碼/圖像解碼方法以及圖像編碼/圖像解碼裝置
- 圖像處理裝置、圖像形成裝置、圖像讀取裝置、圖像處理方法
- 圖像解密方法、圖像加密方法、圖像解密裝置、圖像加密裝置、圖像解密程序以及圖像加密程序
- 圖像解密方法、圖像加密方法、圖像解密裝置、圖像加密裝置、圖像解密程序以及圖像加密程序
- 圖像編碼方法、圖像解碼方法、圖像編碼裝置、圖像解碼裝置、圖像編碼程序以及圖像解碼程序
- 圖像編碼方法、圖像解碼方法、圖像編碼裝置、圖像解碼裝置、圖像編碼程序、以及圖像解碼程序
- 圖像形成設備、圖像形成系統和圖像形成方法
- 圖像編碼裝置、圖像編碼方法、圖像編碼程序、圖像解碼裝置、圖像解碼方法及圖像解碼程序
- 圖像編碼裝置、圖像編碼方法、圖像編碼程序、圖像解碼裝置、圖像解碼方法及圖像解碼程序
